Добавил:
bekan
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:13-ameliy_I_ES
.pdf
13-Ámeliy jumıs. Neyron tarmaqtı úyretiw ózgeshelikleri
Jumıstıń maqseti: Studentlerge jasalma neyron tarmaqların oqıtıw procesiniń
logikalıq basqıshların úyretiw. Úyretiw tezligi, qáte muǵdarın kemeytiw,
maǵlıwmatlar jıynaǵın (dataset) tayarlaw hám tarmaqtıń "qayta úyreniw"
(overfitting) mashqalaların analizlew kónlikpelerin qáliplestiriw.
Teoriyalıq bólim: Neyron tarmaqtı oqıtıw — bul tarmaq berilgen kiris
maǵlıwmatlarına qaray eń durıs sheshimdi shıǵarıwı ushın onıń ishki
awırlıqların (weights) hám bos aǵzaların (bias) avtomatikalıq túrde ózgertiw
procesi. Oqıtıw procesi tómendegi logikalıq shınjırdan ibarat: Tuwrı tarqalıw
(Forward Propagation): Kiris maǵlıwmatları tarmaqtan ótip, belgili bir nátiyje
shıǵadı. Qáteni esaplaw (Loss Calculation): Shıqqan nátiyje menen kútilgen
(ideal) nátiyje salıstırıladı. Ayırmashılıq — bul qáte (error). Keri tarqalıw
(Backpropagation): Qáte muǵdarı tarmaq boyınsha keri jiberiledi hám hár bir
neyronnıń awırlıǵı sál-pál ózgertiledi.
Oqıtıw tezligi (Learning Rate): Awırlıqlardıń hár bir qádemde
qanshelli úlken muǵdarda ózgeriwi. Eger bul tezlik júdá joqarı bolsa,
tarmaq optimal sheshimdi "atlap" ótip ketiwi múmkin.
Dáwir (Epoch): Barlıq oqıtıw maǵlıwmatlarınıń tarmaqtan bir ret tolıq
ótip shıǵıwı.
Batch size: Maǵlıwmatlardıń kishi toparlarǵa bólinip beriliwi.
Máseleniń qoyılıwı
Ámeliy sabaq dawamında studentler:
1. Oqıtıw procesindegi qáteni kemeytiw strategiyasın belgilewi.
2. Úyretiw tezliginiń (Learning Rate) nátiyjege tásirin analizlewi.
3. Python tilinde ápiwayı oqıtıw ciklin (loop) iske qosıwı kerek.
Ámeliy bólim: Oqıtıw procesiniń logikası
Neyron tarmaqtı "aqıllı" qılıw ushın tómendegi adımlardı orınlań:
1-qádem: Taslandı awırlıqlar menen baslań.
2-qádem: Maǵlıwmatlardı kiritiń hám nátiyjeni alıń.
3-qádem: Qáteni anıqlap, awırlıqlardı "jaqsılaw" baǵdarın belgileń.
4-qádem: Bul processti mınlaǵan ret (Dáwirlar) qaytalań.
Ámeliy mısallar
1-mısal: Robottıń jol tabıwın oqıtıw
Jaǵday: Robot ońǵa burılsa qáte (+10), solǵa burılsa durıs (-10) dep
bahalanadı.
Oqıtıw: Robot hár bir qádemnen keyin "bahasın" tekseredi hám kelesi ret
shepke burılıw itimallıǵın arttıradı (awırlıqlardı ózgertedi).
2-mısal: Sanlardı tanıw (MNIST túsindirmesi)
Dáwir 1: Tarmaq sanlardı dárhal tanıy almaydı, qáte muǵdarı joqarı (80%).
Dáwir 50: Tarmaq sızıqlardı tanıy baslaydı, qáte kemeyedi (15%).
Dáwir 100: Tarmaq sanlardı 98% anıqlıq penen tanıy baslaydı.
3-mısal: Python tilinde ápiwayı oqıtıw cikli (Iteraciya)
Python
# Neyronnıń awırlıǵın oqıtıw simulyaciyası
def train_neuron():
# 1. Baslanǵısh maǵlıwmatlar
input_val = 2.0
target_output = 10.0 # Biz kútip atırǵan ideal
nátiyje
weight = 0.5 # Taslandı baslanǵısh
awırlıq
learning_rate = 0.1 # Oqıtıw tezligi
print(f"Baslanǵısh awırlıq: {weight}")
# 2. Oqıtıw cikli (10 Dáwir)
for epoch in range(1, 11):
# Tuwrı tarqalıw
current_output = input_val * weight
# Qáteni esaplaw
error = target_output - current_output
# Awırlıqtı jaqsılaw (Keri tarqalıw
logikası)
weight = weight + (error * learning_rate)
print(f"Dáwir {epoch}: Nátiyje =
{current_output:.2f}, Qáte = {error:.2f}, Jańa
awırlıq = {weight:.2f}")
return weight
# Sistemani iske qosıw
final_weight = train_neuron()
print(f"Oqıtıw tamamlandı. Optimal awırlıq:
{final_weight}")
Ámeliy tapsırmalar
Tapsırma 1. "Oqıtıw tezliginiń (Learning Rate) tásiri"
Máselesi: 3-mısaldı oqıtıw tezligin 0.01 hám 0.9 mánisleri menen tekserip
kóriń.
Talap: Qaysı jaǵdayda tarmaq tezirek "úyrenedi"? Juwmaǵın jazıń.
Tapsırma 2. "Qayta úyreniw (Overfitting)"
Máselesi: Tarmaq tek oqıtıw bazasın yadlap alsa, jańa maǵlıwmat kelgende
qáte jiberiwiniń túsindiriń.
Talap: Overfitting mashqalasın sheshiwdiń 2 usılın (tekst túrinde) jazıń.
Tapsırma 3. "Maǵlıwmatlar jıynaǵı (Dataset) strukturası"
Máselesi: Bir dúkan ushın satıwlar maǵlıwmatın oqıtıwǵa tayarlań.
Talap: Kiris (X) hám Kutilgen nátiyje (Y) maydanların belgilep, keste dúziń.
Tapsırma 4. "Dáwirlardı esaplaw"
Máselesi: Eger bizde 1000 súwret bolsa hám biz olardı 10-nan (batch size =
10) bólep bersek.
Talap: Bir Dáwirde neshe ret awırlıqlar ózgeredi? (Iteraciyalar sanın tabıń).
Tapsırma 5. "Oqıtıw shınjırı (Flowchart)"
Máselesi: Neyron tarmaqtı oqıtıw procesiniń blok-sxemasın sızıń.
Talap: Shártli belgiler: Kiris -> Esaplaw -> Qáteni tekseriw -> Awırlıqtı
ózgertiw -> Qaytalaw.
BAQLAW SORAWLARÍ
1. Neyron tarmaǵın oqıtıwda "Tuwrı tarqalıw" hám "Keri tarqalıw"
arasındaǵı parıq nede?
2. Oqıtıw tezligi (Learning Rate) júdá kishi bolsa ne boladı?
3. "Dáwir" termini neni ańlatadı?
4. Neyron tarmaqtı oqıtıwda qáteni kemeytiw ne ushın zárúr?
5. "Loss function" (Qáte funkciyası) xızmeti nede?
Соседние файлы в предмете Интеллектуальные системы